基于CNN电动城市客车进站驾驶风格识别研究

电动城市客车驾驶员的驾驶风格对城市公共交通安全有重要影响。为识别驾驶员的驾驶风格,利用驾驶员自然驾驶电动城市客车进站过程的车载CAN数据,采用由卷积层和池化层组成的特征提取网络对多通道特征数据进行信息深度融合和特征自动提取,无缝输出给全连接神经网络进行进站驾驶风格识别,构建出电动城市客车驾驶员进站驾驶风格识别模型。研究表明,采用建立的模型可以有效融合进站过程中驾驶行为和车辆运行状态对应时序数据并自动提取驾驶行为高阶特征,实现电动城市客车驾驶员进站驾驶风格的有效识别,准确率达到98.2%。研究成果有助于识别出激进型驾驶风格的驾驶员,以便针对性开展驾驶安全教育,进而降低驾驶员致因的电动城市客车交通事故。